ANALISE INADIPLENCIA STONE

Objetivo: entender o comportamento de clientes inadimplêntes

base de dados: Dados csv clientes banco stone

baseado : https://www.kaggle.com/code/caiodouglas/analise-de-dados-prevencao-de-inadimplencia

No mundo econômico, a previsibilidade é um fator de extrema importância, já que as tomadas de decisões e investimentos dependem de entender o risco que se corre. Num cenário de concessão de empréstimo, a entidade financeira precisa calcular quais as chances do cliente deixar de efetuar o pagamento, tornando assim inadimplente, prejudicando o investimento.¶ Com a análise de dados dos clientes da entidade financeira, iremos entender quais são as caracteristicas e atitudes que um possível inadimplente possui, levando assim uma melhor tomada de decisão sobre a concessão ou não do crédito. A variável de interesse dos dados é a variável default que mostra se o cliente está ou já foi inadimplente em algum momento, com os valores booleanos 0 para negativo e 1 para positivo.

# IMPORTAR BIBLIOTECAS
import pandas as pd  # blioteca para tratar dados
import seaborn as sns    # biblioteca de graficos
import matplotlib.pyplot as plt    # sns    # biblioteca de graficos
import plotly.express as px          # sns    # biblioteca de graficos

# Carregar base de dados dos clientes da entidade financeira
df = pd.read_csv("Python_M10_support material.csv", na_values= 'na')
display(df)

	id	default	idade	sexo	dependentes	escolaridade	estado_civil	salario_anual	tipo_cartao	meses_de_relacionamento	qtd_produtos	iteracoes_12m	meses_inativo_12m	limite_credito	valor_transacoes_12m	qtd_transacoes_12m
0	768805383	0	45	M	3	ensino medio	casado	$60K - $80K	blue	39	5	3	1	12.691,51	1.144,90	42
1	818770008	0	49	F	5	mestrado	solteiro	menos que $40K	blue	44	6	2	1	8.256,96	1.291,45	33
2	713982108	0	51	M	3	mestrado	casado	$80K - $120K	blue	36	4	0	1	3.418,56	1.887,72	20
3	769911858	0	40	F	4	ensino medio	NaN	menos que $40K	blue	34	3	1	4	3.313,03	1.171,56	20
4	709106358	0	40	M	3	sem educacao formal	casado	$60K - $80K	blue	21	5	0	1	4.716,22	816,08	28
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
10122	772366833	0	50	M	2	mestrado	solteiro	$40K - $60K	blue	40	3	3	2	4.003,91	15.476,26	117
10123	710638233	1	41	M	2	NaN	divorciado	$40K - $60K	blue	25	4	3	2	4.277,04	8.764,88	69
10124	716506083	1	44	F	1	ensino medio	casado	menos que $40K	blue	36	5	4	3	5.409,16	10.291,78	60
10125	717406983	1	30	M	2	mestrado	NaN	$40K - $60K	blue	36	4	3	3	5.281,84	8.395,62	62
10126	714337233	1	43	F	2	mestrado	casado	menos que $40K	silver	25	6	4	2	10.388,80	10.294,96	61

10127 rows × 16 columns

# verificar as informações da base de dados
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10127 entries, 0 to 10126
Data columns (total 16 columns):
 #   Column                   Non-Null Count  Dtype 
---  ------                   --------------  ----- 
 0   id                       10127 non-null  int64 
 1   default                  10127 non-null  int64 
 2   idade                    10127 non-null  int64 
 3   sexo                     10127 non-null  object
 4   dependentes              10127 non-null  int64 
 5   escolaridade             8608 non-null   object
 6   estado_civil             9378 non-null   object
 7   salario_anual            9015 non-null   object
 8   tipo_cartao              10127 non-null  object
 9   meses_de_relacionamento  10127 non-null  int64 
 10  qtd_produtos             10127 non-null  int64 
 11  iteracoes_12m            10127 non-null  int64 
 12  meses_inativo_12m        10127 non-null  int64 
 13  limite_credito           10127 non-null  object
 14  valor_transacoes_12m     10127 non-null  object
 15  qtd_transacoes_12m       10127 non-null  int64 
dtypes: int64(9), object(7)
memory usage: 1.2+ MB

As colunas escolaridade, estado_civil e salario_anual, estão com dados faltantes. As colubnas limite de credito e valor transações estão formato de object precisa ser alterado para float

# tratar string, limite de credito e valor transações esta como object alterar para float

df["limite_credito"] = df["limite_credito"].apply(lambda valor: float(valor.replace(".", "").replace(",", ".")))
df["valor_transacoes_12m"] = df["valor_transacoes_12m"].apply(lambda valor: float(valor.replace(".", "").replace(",", ".")))
print("-"*60)
df.info()

------------------------------------------------------------
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10127 entries, 0 to 10126
Data columns (total 16 columns):
 #   Column                   Non-Null Count  Dtype  
---  ------                   --------------  -----  
 0   id                       10127 non-null  int64  
 1   default                  10127 non-null  int64  
 2   idade                    10127 non-null  int64  
 3   sexo                     10127 non-null  object 
 4   dependentes              10127 non-null  int64  
 5   escolaridade             8608 non-null   object 
 6   estado_civil             9378 non-null   object 
 7   salario_anual            9015 non-null   object 
 8   tipo_cartao              10127 non-null  object 
 9   meses_de_relacionamento  10127 non-null  int64  
 10  qtd_produtos             10127 non-null  int64  
 11  iteracoes_12m            10127 non-null  int64  
 12  meses_inativo_12m        10127 non-null  int64  
 13  limite_credito           10127 non-null  float64
 14  valor_transacoes_12m     10127 non-null  float64
 15  qtd_transacoes_12m       10127 non-null  int64  
dtypes: float64(2), int64(9), object(5)
memory usage: 1.2+ MB

# contagem de dados antes da limpeza de valores vazio

print("contar numero de inadimplentes (numero 1) e adiplentes (numero 0)")
print(df["default"].value_counts())
print("-"*60)
print("contar numero de inadimplentes (numero 1) e adiplentes (numero 0) em porcetagem (%)")
print(df["default"].value_counts(normalize=True).map("{:.1%}".format))
print("-"*60)
print("Quantidade total de clientes com dados para analisar")
print(len(df['id']))
print("-"*60)

contar numero de inadimplentes (numero 1) e adiplentes (numero 0)
0    8500
1    1627
Name: default, dtype: int64
------------------------------------------------------------
contar numero de inadimplentes (numero 1) e adiplentes (numero 0) em porcetagem (%)
0    83.9%
1    16.1%
Name: default, dtype: object
------------------------------------------------------------
Quantidade total de clientes com dados para analisar
10127
------------------------------------------------------------

Resumo

Com tudo é notorio que há um total de dados de 10127 clientes, para analise o foco principal sera a coluna default onde mostra se o cliente é adiplente ou inadimplentes, sendo assim o numero 0 para adiplentes e 1 para inadimplentes. Dos 101227 clientes 8500 sendo 83,9% representa os clientes adiplentes e 1627 contando 16,1% rempresenta os clientes inadimplentes.O intuito é analisar oque tem em comum ou em relação para diminuir esses 16,1% sendo que para entidade finaceira a porcetagem está muito alta e representa uma grande poblema para a empresa.

# valores faltantes
print(df.isnull().sum())
print("-"*60)

id                            0
default                       0
idade                         0
sexo                          0
dependentes                   0
escolaridade               1519
estado_civil                749
salario_anual              1112
tipo_cartao                   0
meses_de_relacionamento       0
qtd_produtos                  0
iteracoes_12m                 0
meses_inativo_12m             0
limite_credito                0
valor_transacoes_12m          0
qtd_transacoes_12m            0
dtype: int64
------------------------------------------------------------

# deletar valores faltantes 
df = df.dropna()
df.info()

# contagem de dados depois da limpeza de valores vazio
print("-"*60)
print("contar numero de inadimplentes (numero 1) e adiplentes (numero 0)")
print(df["default"].value_counts())
print("-"*60)
print("contar numero de inadimplentes (numero 1) e adiplentes (numero 0) em porcetagem (%)")
print(df["default"].value_counts(normalize=True).map("{:.1%}".format))
print("-"*60)
print("Quantidade total de clientes com dados para analisar")
print(len(df['id']))
print("-"*60)

<class 'pandas.core.frame.DataFrame'>
Int64Index: 7081 entries, 0 to 10126
Data columns (total 16 columns):
 #   Column                   Non-Null Count  Dtype  
---  ------                   --------------  -----  
 0   id                       7081 non-null   int64  
 1   default                  7081 non-null   int64  
 2   idade                    7081 non-null   int64  
 3   sexo                     7081 non-null   object 
 4   dependentes              7081 non-null   int64  
 5   escolaridade             7081 non-null   object 
 6   estado_civil             7081 non-null   object 
 7   salario_anual            7081 non-null   object 
 8   tipo_cartao              7081 non-null   object 
 9   meses_de_relacionamento  7081 non-null   int64  
 10  qtd_produtos             7081 non-null   int64  
 11  iteracoes_12m            7081 non-null   int64  
 12  meses_inativo_12m        7081 non-null   int64  
 13  limite_credito           7081 non-null   float64
 14  valor_transacoes_12m     7081 non-null   float64
 15  qtd_transacoes_12m       7081 non-null   int64  
dtypes: float64(2), int64(9), object(5)
memory usage: 940.4+ KB
------------------------------------------------------------
contar numero de inadimplentes (numero 1) e adiplentes (numero 0)
0    5968
1    1113
Name: default, dtype: int64
------------------------------------------------------------
contar numero de inadimplentes (numero 1) e adiplentes (numero 0) em porcetagem (%)
0    84.3%
1    15.7%
Name: default, dtype: object
------------------------------------------------------------
Quantidade total de clientes com dados para analisar
7081
------------------------------------------------------------

Resumo

Após a limpeza perdemos cerca de 3046 dados de clientes por valores faltantes, pois iria afetar a analise

# deletar coluna que não tem valor relevante, nesta estapa o numero do id e O sexo é irelevante para analise
df = df.drop(columns=["id", "sexo"])
# Exibir nova base de dados tratada
display(df)

	default	idade	dependentes	escolaridade	estado_civil	salario_anual	tipo_cartao	meses_de_relacionamento	qtd_produtos	iteracoes_12m	meses_inativo_12m	limite_credito	valor_transacoes_12m	qtd_transacoes_12m
0	0	45	3	ensino medio	casado	$60K - $80K	blue	39	5	3	1	12691.51	1144.90	42
1	0	49	5	mestrado	solteiro	menos que $40K	blue	44	6	2	1	8256.96	1291.45	33
2	0	51	3	mestrado	casado	$80K - $120K	blue	36	4	0	1	3418.56	1887.72	20
4	0	40	3	sem educacao formal	casado	$60K - $80K	blue	21	5	0	1	4716.22	816.08	28
5	0	44	2	mestrado	casado	$40K - $60K	blue	36	3	2	1	4010.69	1088.07	24
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
10120	0	54	1	ensino medio	solteiro	$60K - $80K	blue	34	5	0	2	13940.62	15577.67	114
10121	0	56	1	mestrado	solteiro	menos que $40K	blue	50	4	4	1	3688.95	14596.49	120
10122	0	50	2	mestrado	solteiro	$40K - $60K	blue	40	3	3	2	4003.91	15476.26	117
10124	1	44	1	ensino medio	casado	menos que $40K	blue	36	5	4	3	5409.16	10291.78	60
10126	1	43	2	mestrado	casado	menos que $40K	silver	25	6	4	2	10388.80	10294.96	61

7081 rows × 14 columns

# DADOS estatístico string object
df.select_dtypes('object').describe().transpose()

	count	unique	top	freq
escolaridade	7081	5	mestrado	2591
estado_civil	7081	3	casado	3564
salario_anual	7081	5	menos que $40K	2792
tipo_cartao	7081	4	blue	6598

# dados estatístico numerico
df.select_dtypes('number').describe().transpose()

	count	mean	std	min	25%	50%	75%	max
default	7081.0	0.157181	0.363997	0.00	0.00	0.00	0.00	1.00
idade	7081.0	46.347691	8.041225	26.00	41.00	46.00	52.00	73.00
dependentes	7081.0	2.337805	1.291649	0.00	1.00	2.00	3.00	5.00
meses_de_relacionamento	7081.0	35.981359	8.002609	13.00	31.00	36.00	40.00	56.00
qtd_produtos	7081.0	3.819376	1.544444	1.00	3.00	4.00	5.00	6.00
iteracoes_12m	7081.0	2.454456	1.104917	0.00	2.00	2.00	3.00	6.00
meses_inativo_12m	7081.0	2.342607	0.995104	0.00	2.00	2.00	3.00	6.00
limite_credito	7081.0	8493.259524	9126.082105	1438.00	2498.35	4287.22	10729.40	34516.99
valor_transacoes_12m	7081.0	4394.800669	3468.457771	510.16	2089.63	3831.09	4740.51	17995.49
qtd_transacoes_12m	7081.0	64.503319	23.809330	10.00	44.00	67.00	80.00	134.00

Resumo

Pode-se analisar no primeiro grafico estatístico informações como quantas variveis tem em cada colunas, a variavel que mais se repete e qual a frequencia que mais se repetiu. No entanto ja no segundo grafico podemos analisar informações como o minimo ou o maximo das variaveis.

# Analise com graficos comparativos com coluna Default contudo essa analise usar apenas os dados dos 7081 clientes.
for coluna in df.columns:
    grafico = px.histogram(df, x=coluna, color="default", text_auto=True, color_discrete_sequence=["blue", "orange"])
    grafico.show()

# Analise com Salario anual
print(df["salario_anual"].value_counts())
print("-"*60)

# Alterar para numero para poder usar na analise
df["salario_anual"] = df["salario_anual"].replace("menos que $40K", "0")
df["salario_anual"] = df["salario_anual"].replace("$40K - $60K", "1")
df["salario_anual"] = df["salario_anual"].replace("$60K - $80K", "2")
df["salario_anual"] = df["salario_anual"].replace("$80K - $120K", "3")
df["salario_anual"] = df["salario_anual"].replace("$120K +", "4")
print(df["salario_anual"].value_counts())

# Passar coluna Salario anual para numero inteiro
df['salario_anual'] = df['salario_anual'].astype(int)
print("-"*60)
df.info()

menos que $40K    2792
$40K - $60K       1412
$80K - $120K      1202
$60K - $80K       1103
$120K +            572
Name: salario_anual, dtype: int64
------------------------------------------------------------
0    2792
1    1412
3    1202
2    1103
4     572
Name: salario_anual, dtype: int64
------------------------------------------------------------
<class 'pandas.core.frame.DataFrame'>
Int64Index: 7081 entries, 0 to 10126
Data columns (total 14 columns):
 #   Column                   Non-Null Count  Dtype  
---  ------                   --------------  -----  
 0   default                  7081 non-null   int64  
 1   idade                    7081 non-null   int64  
 2   dependentes              7081 non-null   int64  
 3   escolaridade             7081 non-null   object 
 4   estado_civil             7081 non-null   object 
 5   salario_anual            7081 non-null   int32  
 6   tipo_cartao              7081 non-null   object 
 7   meses_de_relacionamento  7081 non-null   int64  
 8   qtd_produtos             7081 non-null   int64  
 9   iteracoes_12m            7081 non-null   int64  
 10  meses_inativo_12m        7081 non-null   int64  
 11  limite_credito           7081 non-null   float64
 12  valor_transacoes_12m     7081 non-null   float64
 13  qtd_transacoes_12m       7081 non-null   int64  
dtypes: float64(2), int32(1), int64(8), object(3)
memory usage: 802.1+ KB

# Analise com Estado civil
print(df["estado_civil"].value_counts())
print("-"*60)

# Alterar para numero para poder usar na analise
df["estado_civil"] = df["estado_civil"].replace("casado", "0")
df["estado_civil"] = df["estado_civil"].replace("solteiro", "1")
df["estado_civil"] = df["estado_civil"].replace("divorciado", "2")
print(df["estado_civil"].value_counts())

# Passar coluna Salario anual para numero inteiro
df['estado_civil'] = df['estado_civil'].astype(int)
print("-"*60)
df.info()

casado        3564
solteiro      2948
divorciado     569
Name: estado_civil, dtype: int64
------------------------------------------------------------
0    3564
1    2948
2     569
Name: estado_civil, dtype: int64
------------------------------------------------------------
<class 'pandas.core.frame.DataFrame'>
Int64Index: 7081 entries, 0 to 10126
Data columns (total 14 columns):
 #   Column                   Non-Null Count  Dtype  
---  ------                   --------------  -----  
 0   default                  7081 non-null   int64  
 1   idade                    7081 non-null   int64  
 2   dependentes              7081 non-null   int64  
 3   escolaridade             7081 non-null   object 
 4   estado_civil             7081 non-null   int32  
 5   salario_anual            7081 non-null   int32  
 6   tipo_cartao              7081 non-null   object 
 7   meses_de_relacionamento  7081 non-null   int64  
 8   qtd_produtos             7081 non-null   int64  
 9   iteracoes_12m            7081 non-null   int64  
 10  meses_inativo_12m        7081 non-null   int64  
 11  limite_credito           7081 non-null   float64
 12  valor_transacoes_12m     7081 non-null   float64
 13  qtd_transacoes_12m       7081 non-null   int64  
dtypes: float64(2), int32(2), int64(8), object(2)
memory usage: 774.5+ KB

# analise escolaridade

print(df["escolaridade"].value_counts())
print("-"*60)
df["escolaridade"] = df["escolaridade"].replace("mestrado", "0")
df["escolaridade"] = df["escolaridade"].replace("ensino medio", "1")
df["escolaridade"] = df["escolaridade"].replace("sem educacao formal", "2")
df["escolaridade"] = df["escolaridade"].replace("graduacao", "3")
df["escolaridade"] = df["escolaridade"].replace("doutorado", "4")
print(df["escolaridade"].value_counts())

# Passar coluna Salario anual para numero inteiro
df['escolaridade'] = df['escolaridade'].astype(int)
print("-"*60)
df.info()

mestrado               2591
ensino medio           1653
sem educacao formal    1204
graduacao               844
doutorado               789
Name: escolaridade, dtype: int64
------------------------------------------------------------
0    2591
1    1653
2    1204
3     844
4     789
Name: escolaridade, dtype: int64
------------------------------------------------------------
<class 'pandas.core.frame.DataFrame'>
Int64Index: 7081 entries, 0 to 10126
Data columns (total 14 columns):
 #   Column                   Non-Null Count  Dtype  
---  ------                   --------------  -----  
 0   default                  7081 non-null   int64  
 1   idade                    7081 non-null   int64  
 2   dependentes              7081 non-null   int64  
 3   escolaridade             7081 non-null   int32  
 4   estado_civil             7081 non-null   int32  
 5   salario_anual            7081 non-null   int32  
 6   tipo_cartao              7081 non-null   object 
 7   meses_de_relacionamento  7081 non-null   int64  
 8   qtd_produtos             7081 non-null   int64  
 9   iteracoes_12m            7081 non-null   int64  
 10  meses_inativo_12m        7081 non-null   int64  
 11  limite_credito           7081 non-null   float64
 12  valor_transacoes_12m     7081 non-null   float64
 13  qtd_transacoes_12m       7081 non-null   int64  
dtypes: float64(2), int32(3), int64(8), object(1)
memory usage: 746.8+ KB

sns.pairplot(df)
plt.show()

# verificar correlação com um mapa de calor

plt.figure(figsize=(15, 10))
sns.heatmap(df.corr(), annot=True, cmap='Oranges')

<AxesSubplot:>

# Analise com graficos comparativos com coluna Default contudo essa analise usar apenas os dados dos 7081 clientes.
for coluna in df.columns:
    grafico = px.histogram(df, x=coluna, color="default", text_auto=True, color_discrete_sequence=['Blue', 'Orange'])
    grafico.show()

grafico1 = sns.relplot(x='valor_transacoes_12m', y='qtd_transacoes_12m', data=df, hue='default')

grafico2 = sns.relplot(y='qtd_transacoes_12m', x='meses_de_relacionamento', data=df, hue='default')

grafico3 = sns.relplot(x='qtd_transacoes_12m', y='limite_credito', data=df, hue='default')

grafico4 = sns.relplot(y='salario_anual', x='valor_transacoes_12m', data=df, hue='default')

Conclusão:

Grafico 1

No grafico 1 podemos notar que quanto maior o valor das transações e quanto mais transações menor a chance de inadimplência.

Grafico 2

No grafico 2 nota-se que no intervalo de meses de 25 a 45 nesse intervalo de 30 meses ha um grande numero de inadimplência.

Grafico 3

No grafico 3 nos informa que quanto menor o limite de credito mais chance de inadimpência.

Grafico 4

Com analise dos salario dos clientes podemos ter uma relação com a inadimplência como por exempo salario menos de 60 k tem a maior probabilidade de ter inadimplência, logo em seguinda de 80 a 120 k.

Essas analises é importe para um mapeamento para uma movimentação precisa para diminuir os 16,10% de inadimplência.